在国内的很多公司中，经常被使用。
但我们在MySQL使用过程中，也非常容易踩坑，不信继续往下看。
今天这篇文章重点跟大家一起聊一聊使用 MySQL 的15个坑，希望对你会有所帮助。
1.查询不加where条件
有些小伙伴，希望在代码中，一次性把表中的所有数据都查出来，然后在内存中处理业务逻辑，认为代码性能更好。
反例：
SELECT * FROM users;在查询数据的时候不加where条件。
这种情况下数据量小还好。
但如果数据量很大，每个业务操作，都需要查出表中的所有数据，可能会导致程序出现OOM问题。
如果数据太多，处理速度也会集聚下降。
正例：
SELECT * FROM users WHERE code = '1001';使用具体的where查询条件，比如code字段，先过滤数据，再做处理。
2.没有使用索引
有时候，我们的程序，在刚上线的时候，数据比较少，没有加索引，问题不大。
但随着用户量越来越多，表中数据在呈指数级的增加。
突然有一天发现，查询数据变慢了。
例如：
SELECT * FROM orders WHERE customer_id = 123;我们可以给customer_id字段加个索引：
CREATE INDEX idx_customer ON orders(customer_id);这能大大提升速度！
3.不处理 NULL 值
问题描述：统计时忘了 NULL 的影响，以为结果准确，结果却大相径庭。
反例：
SELECT COUNT(name) FROM users;这些只能统计name字段非NULL的数量。
其实，没有统计完全。
如果想统计所有的记录行数，我们可以使用COUNT(*)。
正例：
SELECT COUNT(*) FROM users;这样就能统计所有行数。
4.数据类型选错
有些小伙伴，在创建表时，随意使用 VARCHAR(255)，会导致性能低下，还浪费存储。
反例：
CREATE TABLE products (
id INT,
status VARCHAR(255)
);这种情况的性能不佳。
我们可以将status字段该成tinyint类型：
CREATE TABLE products (
id INT,
status tinyint(1) DEFAULT '0' COMMENT '状态 1：有效 0：无效'
);更节省空间。
5.深分页问题
我们在日常工作中，经常会遇到需要分页查询数据的场景。
我们一般会使用limit关键字。
例如：
SELECT * FROM users LIMIT 0,10;如果数据多的时候，第一页、第二页、第三页可能查询性能还OK。
但如果查询到第10万页，可能查询性能，就会变得非常差。
这就出现了深分页问题。
如何解决深分页问题？
5.1 记录上一次的id
我们现在的主要问题是，在分页的查询过程中，假如要查询第10万页的数据，要先扫描第9万9999页的数据。
但如果我们把上一次查询的位置记录下，后面再查询下一页的时候，就可以直接从之前的位置开始，往后查询。
例如下面这样的：
select id,name where order
where id>1000000 limit 100000,10上一次查询获取到的最大的id是1000000，那么本次查询直接从1000000的下一个位置开始查询。
这样就可以不用查询前面的数据，提升不少的查询效率。
但这套方案有两个需要注意的地方：
需要记录上一次的查询出的id，适合上一页或下一页的场景，不适合随机查询到某一页。需要id字段是自增的。
5.2 使用子查询
先用子查询查询出符合条件的主键，再用主键id做条件查出所有字段。
select * from order where id in (
select id from (
select id from order where time>'2024-08-11' limit 100000, 10
) t
)这样子查询中，可以走覆盖索引。
我们之前的SQL，查询10条数据，但需要回表100010次。
实际上，我们只需要查询10条数据，也就是我们只需要10次回表其实就够了。
通过子查询的方式，能够减少回表的次数。
因此，我们可以通过减少回表次数来优化深分页的问题。
5.3 使用inner join关联查询
根据子查询类似：
select * from order o1
inner join (
select id from order
where create_time>'2024-08-11'
limit 100000,10
) as o2 on o1.id=o2.id;在inner join子语句中，也是先通过查询条件和分页条件过滤数据，返回id。
然后再通过id做关联查询。
可以减少回表的次数，从而提升查询速度。
6 没有用explain分析查询
有些现在sql语句，查询慢，却不去分析执行计划，结果就只能盲目优化。
正例：
EXPLAIN SELECT * FROM users WHERE email = 'test@example.com';EXPLAIN 会告诉你查询是怎么执行的，帮助你找到瓶颈。
如果大家想进一步了解explain关键字，可以看看我的另一篇文章《SQL性能优化神器》，里面有非常详细的介绍。
7 字符集设置不当
有些小伙伴，喜欢将MySQL的字符集设置成utf8。
我几年之前也喜欢这干。
但后面出现问题了，比如在用户评价输入框中，用户输入了表情符合，可能会直接导致程序保存。
字符集设置错误，也可能会导致汉字变乱码，用户体验直线下滑。
正例：
CREATE TABLE messages (
id INT,
content TEXT
) CHARACTER SET utf8mb4;建议大家在建表时，将字符集设置成使utf8mb4，它能够支持更多的字符，包括：常用中文汉字和一些表情符号。
8 SQL注入风险
用拼接 SQL 的方式，容易被 SQL 注入攻击，安全隐患大。
在一些自定义排序规则，使用order by 动态拼接用户选择的排序字段，或者排序方式，比如：升序或降序时，如果处理不好，就可能会出现SQL注入问题。
反例：
String query = "SELECT * FROM users WHERE email = '" + userInput + "';";尽量少在sql中直接拼接字符串，而应该使用PreparedStatement预编译的方式。
正例：
PreparedStatement stmt = connection.prepareStatement("SELECT * FROM users WHERE email = ?");
stmt.setString(1, userInput);在MyBatis中在使用$符号赋值时要注意，最好使用#符号赋值。
如果大家对sql注入问题比较感兴趣，可以看看我的另一篇文章《卧槽，sql注入竟然把我们的系统搞挂了》，里面有非常详细的介绍。
9.事务问题
有些小伙伴，在日常工作中，写代码时可能会忘掉事务。
特别是在更新多个表时不使用事务，数据容易出现不一致的情况。
反例：
UPDATE accounts SET balance = balance - 100 WHERE id = 1;
UPDATE accounts SET balance = balance + 100 WHERE id = 2;用户1给用户2转账100元，如果不用事务，可能会出现用户1转出了100，用户2却没收到的情况。
我们使用使用START TRANSACTION命令开启事务，使用COMMIT命令提交事务。
正例：
START TRANSACTION;
UPDATE accounts SET balance = balance - 100 WHERE id = 1;
UPDATE accounts SET balance = balance + 100 WHERE id = 2;
COMMIT;这样如果用户1转出100成功了，但用户2转入100失败了，则用户1的数据会回滚。
在Spring中可以使用@Transactional注解声明式事务，或者使用TransactionTemplate类这种编程式事务。
建议优先使用TransactionTemplate这种编程式事务。
10.校对规则问题
我们的表和字段上，有个COLLATE参数，可以配置校对规则。
它主要包含了三种：
- 以_ci结尾的。
- 以_bin结尾的。
- 以_cs结尾的。
ci是case insensitive的缩写，意思是大小写不敏感，即忽略大小写。
cs是case sensitive的缩写，意思是大小写敏感，即区分大小写。
还有一种是bin，它是将字符串中的每一个字符用二进制数据存储，区分大小写。
使用最多的是 utf8mb4_general_ci（默认的）和 utf8mb4_bin。
我们的brand表在创建表的时候，使用的COLLATE是utf8mb4_general_ci，它不区分大小写。
CREATE TABLE `brand` (
`id` bigint NOT NULL AUTO_INCREMENT COMMENT 'ID',
`name` varchar(30) NOT NULL COMMENT '品牌名称',
`create_user_id` bigint NOT NULL COMMENT '创建人ID',
`create_user_name` varchar(30) NOT NULL COMMENT '创建人名称',
`create_time` datetime(3) DEFAULT NULL COMMENT '创建日期',
`update_user_id` bigint DEFAULT NULL COMMENT '修改人ID',
`update_user_name` varchar(30) DEFAULT NULL COMMENT '修改人名称',
`update_time` datetime(3) DEFAULT NULL COMMENT '修改时间',
`is_del` tinyint(1) DEFAULT '0' COMMENT '是否删除 1：已删除 0：未删除',
PRIMARY KEY (`id`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='品牌表';这样在使用下面sql语句查询数据时：
select * from brand where `name`='yoyo';就能把大写的YOYO查出来。
如果我们的表中设置的COLLATE是不区分大小写，但是业务代码中，却区分了大小写，二者不一致，就可能会出问题。
这时候，在业务代码中，就不能直接使用equals方法判断字符串是否相同，而应该改成equalsIgnoreCase方法了。
11.使用过多的 SELECT *
有些小伙伴，在写的sql语句中，习惯性使用select *，一次性查询所有的字段。
反例：
SELECT * FROM orders;这种做法每次都会查出很多没用的字段，不仅浪费带宽，也增加了查询开销。
好的做法是，每次只查询要用到的字段。
正例：
SELECT id, total FROM orders;我们的业务中，只需要用到id和total字段的数据，其他的字段就可以无需查询。
12.索引失效
不知道你有没有遇到过，生成环境明明创建了索引，但数据库在执行SQL的过程中，索引竟然失效了。
由于索引失效，让之前原本很快的操作，一下子变得很慢，影响了接口的性能。
我们可以通过explain关键字，查看sql的执行计划，可以确认索引是否失效。
如果索引失效了，可能是哪些原因导致的问题呢？
下面这张图给大家列举了常见原因：
图片
想进一步了解索引失效问题的小伙伴，可以看一下我的另一篇文章《聊聊索引失效的10种场景，太坑了》，里面有非常详细的介绍。
13.频繁修改表或数据
在高并发场景下，频繁添加、修改字段，或者批量更新数据，导致系统性能下降。
我们在使用alter添加或者修改表字段，或者使用update批量更新，或者使用delete批量删除数据时，都可能会锁表。
如果此时正好有大量的用户请求过来了，会导致系统响应变慢。
在高并发场景下，update或者delete的数据量，不要太多，可以分批，多次执行。
对于一些alter或drop修改表结构的操作，应该避免在用户高峰期执行，最好选择在凌晨，用户少的时候执行。
此外，可以使用Percona Toolkit、gh-ost等在线工具，可以在不锁表的情况下，进行alter操作。
14 没有定期备份
在工作中，最怕遇到猪队友误删数据。
我遇到过好几次。
将测试环境的表中的数据全删了。
数据全没了就后悔，太晚了。
建议定期备份，使用mysqldump：
mysqldump -u root -p database_name > backup.sql我们可以写一个定时任务，每个一段时间，比如：一天或，备份一次数据。
后面如果哪天又被误删数据了，可以直接通过mysql命令，将数据还原。
15.忘了归档历史数据
有些小伙伴，经常吐槽，表中的历史数据太多，查询速度像蜗牛一样慢。
这时候，我们需要将历史数据归档了。
用户一般最关心的是最近：一个月、三个月、半年或者一年的数据。
他们极少会去查询一年以上的数据。
因此，建议将历史数据做归档。
在MySQL中只保存最新的数据，历史数据可以迁移到归档库中。
